CN104331886B - 基于高分辨sar图像的港口区域舰船检测方法 - Google Patents

Abstract

本发明提供一种基于高分辨SAR图像的港口区域舰船检测方法。技术方案包括下述内容：采用马尔可夫分割方法及形态学处理港口区域的高分辨SAR图像，得到陆地区域、海洋区域以及海岸轮廓线；利用舰船目标分布区间信息，沿海岸轮廓线向陆地方向设置一定宽度的缓冲区域，将拟求解区域对应的高分辨SAR图像信息保存在求解矩阵中；基于MSER方法，在求解矩阵中求得舰船目标ROI；在求解矩阵中将舰船目标ROI与背景分离，得到舰船目标检测矩阵；剔除检测矩阵中的虚假目标；对于并排停泊的舰船目标，基于孔洞特征点方法，进行有效切分。本发明能进行高分辨SAR图像中港口区域舰船目标的有效检测。

Description

基于高分辨SAR图像的港口区域舰船检测方法

技术领域

本发明属于雷达技术领域，涉及利用港口区域的高分辨SAR(Synthetic ApertureRadar，合成孔径雷达)图像提取舰船的方法，可用于港口区域动态监视、海事安全管理以及打击效果评估等。

背景技术

SAR系统具备全天候、全天时的成像能力，还有一定的穿透性，已被广泛应用于军事和民生领域。近年来，利用高分辨SAR图像对港口内舰船目标进行检测和监视的研究成为SAR图像海洋应用研究的重要方面。

在基于港口区域的高分辨SAR图像中，舰船等大型目标不再以点目标的形式出现，已经能分辨出其基本轮廓，舰船目标更多的细节信息或目标特征可以利用，但对于同样大小的地理场景，随着SAR图像分辨率的提高，需要处理的数据量也大幅度增加；此外，港口区域既处于杂波边缘环境，又包含多个舰船目标，背景杂波统计特性复杂，已有的统计模型，不足以描述这种异质混合不均匀特性，同时一个或多个舰船目标会出现在被检测舰船目标参考窗口中，破坏背景杂波的统计特性。

因而，传统的基于CFAR(constant false alarm rate，恒虚警率)的检测方法应用于港口区域的高分辨SAR图像舰船检测时，一方面无法满足工程化应用的实时性要求，另一方面难以应对港口区域这种复杂的杂波边缘环境，检测性能较差。从而，基于高分辨SAR图像在港口等复杂环境中发现、辨别感兴趣的舰船目标，成为雷达领域一个挑战性课题。

发明内容

本发明的目的在于针对上述已有技术的不足，提出一种基于高分辨SAR图像的港口区域舰船检测方法，以实现高分辨SAR图像港口区域舰船目标的精确定位与提取，并提高检测概率，加速检测过程，使其更有利于工程化应用。

本发明的技术方案是，一种基于高分辨SAR图像的港口区域舰船检测方法，包括如下步骤：

已知港口区域的高分辨SAR图像；采用基于马尔可夫分割方法及形态学处理，得到陆地区域、海洋区域以及海岸轮廓线；根据舰船目标尺寸的先验知识和高分辨SAR图像分辨率，计算在高分辨SAR图像中的舰船目标分布区间信息；利用舰船目标分布区间信息，沿海岸轮廓线向陆地方向设置一定宽度的缓冲区域，得到的求解区域为缓冲区域加上海洋区域，将求解区域对应的高分辨SAR图像信息保存在求解矩阵中；基于MSER(MaximallyStable Extremal Regions,最稳定极值区域)方法，结合舰船目标分布区间信息，在求解矩阵中求得舰船目标ROI；在求解矩阵中将舰船目标ROI与背景分离，采用G₀分布拟合背景杂波，并由全局CFAR方法计算检测门限，从而得到舰船目标检测矩阵；利用舰船目标的形状参数，剔除检测矩阵中的虚假目标；利用舰船目标的长宽比，判断检测矩阵中并排停泊的舰船目标；对于并排停泊的舰船目标，基于孔洞特征点方法，进行有效切分。最终完成高分辨SAR图像中港口区域舰船目标的有效检测。

本发明与现有技术相比具有以下优点：

1、本发明通过沿海岸轮廓线向陆地方向设置缓冲区域，得到了合理的求解区域，符合港口区域舰船目标的停泊原则。在此求解区域检测舰船目标，避免了陆地强杂波、人造目标等干扰，同时也减小后期检测的运算复杂度，有效提高检测效率。

2、本发明通过MSER方法，求取舰船目标ROI，这是对传统检测方法最大的改进，其将舰船目标灰度、形状与大小等考虑在内，实现对舰船目标潜在区域的粗定位，在这些潜在区域对舰船进行检测，极大地减小数据处理量，同时也能抑制虚假目标、海岸杂波的影响。

3、本发明在CFAR检测过程，剔除舰船目标ROI的影响，可实现对实际海杂波更准确的拟合，从而克服了传统方法中其它目标对当前目标检测的影响，因此可以将传统的双参数CFAR等方法简化为全局CFAR方法，通过杂波分布拟合，求得全局检测阈值，这极大地降低了检测的运算复杂度。

4、本发明根据舰船目标的形状参数、长宽比，剔除虚假目标、判断并排停泊的舰船目标，并考虑实际并排停泊的舰船目标中间存在横向的细小粘连，导致若干个孔洞的形成，提出将各孔洞的中心作为切分特征点，拟合切分曲线，可对并排停泊的舰船目标进行有效切分及检测。

附图说明

图1为本发明的流程图；

图2为本发明仿真实验中所使用的港口区域高分辨SAR图像；

图3为本发明对图2进行二值化分割的结果；

图4为本发明对图3进行形态学处理得到的标签图BW；

图5为本发明对图4求取海岸轮廓线以及缓冲区域的设置；

图6为本发明对图2得到的求解矩阵；

图7为本发明对图6基于MSER方法得到的舰船目标ROI；

图8为本发明舰船目标ROI分离后的杂波矩阵；

图9为本发明对图7舰船目标ROI进行CFAR检测的检测矩阵；

图10为本发明对图7进行CFAR检测的结果；

图11为本发明对图9虚假目标剔除及有效切分的结果；

图12为本发明对图2港口区域舰船目标的最终检测结果。

具体实施方式

下面结合附图对本发明的实施方式进行详细说明。

步骤1：输入港口区域的高分辨SAR图像，得到M×N维图像矩阵I，图像矩阵I的第i行、第j列的像素灰度值为I(i,j)，其中i＝1,2,...,M,j＝1,2,...,N；

步骤2：对图像矩阵I，采用马尔可夫分割方法及形态学处理，得到陆地区域、海洋区域以及海岸轮廓线，具体步骤如下：

2a)采用马尔可夫方法对输入图像矩阵I进行二值化分割，得到M×N维的二值图像，记为标签图BW₁：其中表示陆地的像素，其像素值为1，记标签值为1；表示海洋的像素，其像素值为0，记标签值为0；

2b)进行形态学处理：首先对标签图BW₁进行闭操作，得到标签图BW₂；然后计算标签图BW₂中所有连通区域的面积A_k,k＝1,2,..,K，K为标签图BW₂中所有连通区域的个数，连通区域是指八连通区域；根据实际情况设定面积阈值A_opt，本发明中A_opt＝500；设若A_k＜A_opt，则认为标签图BW₂的第k个连通区域为海洋中的强像素点，将该连通区域内像素的标签值赋为0，得标签图BW₃；将标签图BW₃置反，得标签图BW₄，计算标签图BW₄中所有连通区域的面积B_l,l＝1,2,...,L，若则认为第l个连通区域为陆地的弱像素点，将该连通区域内像素的标签值赋为0,得标签图BW₅；将BW₅置反，得标签图BW，其中像素标签值为1的像素形成的区域表示陆地区域R_L，像素标签值为0的像素形成的区域表示海洋区域R_O；

2c)根据得到的海洋区域和陆地区域，利用边界追踪方法得到海岸轮廓线；

步骤3：根据舰船目标尺寸的先验知识和高分辨SAR图像分辨率，计算在高分辨SAR图像中的舰船目标分布区间信息：

已知高分辨SAR图像分辨率ρ_a×ρ_r，ρ_a为方位向分辨率，ρ_r为距离像分辨率；舰船目标尺寸的先验知识包括：舰船目标面积区间[S₁,S₂]、长度区间[L₁,L₂]、宽度区间[W₁,W₂]，计算舰船目标在高分辨SAR图像中的分布区间信息如下：

其中[S_min,S_max]、[L_min,L_max]、[W_min,W_max]分别为高分辨SAR图像中舰船目标的面积分布区间、长度分布区间和宽度分布区间；舰船目标尺寸的先验知识根据实际情况事先获得；

步骤4：利用舰船目标的分布区间信息，沿海岸轮廓线向陆地方向设置一定宽度的缓冲区域，得到的求解区域为缓冲区域加上海洋区域，将求解区域对应的高分辨SAR图像信息保存在求解矩阵中，具体步骤如下：

对标签图BW，沿海岸轮廓线进行腐蚀，得标签图BW_s，其中向陆地区域方向腐蚀掉的区域为缓冲区域R_G，缓冲区域R_G的宽度根据实际需要确定，求解区域即为R_O+R_G；设置求解矩阵I_a为M×N维全零矩阵；遍历标签图BW_s的像素点BW_s(i,j)，其中i＝1,2,...,M,j＝1,2,...,N，如果BW_s(i,j)＝0，则置I_a(i,j)＝I(i,j)；

步骤5：基于最稳定极值区域方法，结合舰船目标分布区间信息，在求解矩阵中得到舰船目标ROI，ROI即感兴趣区域，具体步骤如下：

对求解矩阵I_a，通过最稳定极值区域方法，得到求解矩阵I_a中所有的最稳定极值区域，将面积值属于舰船目标面积分布区间[S_min,S_max]的所有最稳定极值区域都作为舰船目标ROI，一个最稳定极值区域对应一个舰船目标ROI，记为R_q,q＝1,2,...,Q，Q为求解矩阵I_a中包含的舰船目标ROI个数；

步骤6：在求解矩阵中将舰船目标ROI与背景分离，采用G₀分布拟合背景杂波分布，由全局CFAR方法计算检测门限，从而得到舰船目标检测矩阵，具体包括下述步骤：

6a)设置背景矩阵I_b＝I_a，将背景矩阵I_b中所有舰船目标ROI包含的像素其值置为0，由G₀分布拟合背景杂波分布p_b(x)：

其中n为等效系数，Γ(·)为Gamma函数，α为形状参数，γ为尺度参数。本发明采用矩估计法完成参数估计，估计结果为：

其中：

根据实际需要设定虚警率P_fa，此处设P_fa＝0.01，代入全局CFAR检测公式：

求得恒虚警检测门限t_r；

6b)设置检测矩阵F_a为M×N维全零矩阵，遍历求解矩阵I_a中位于R_q的像素点I_a(i,j)，若I_a(i,j)≥t_r，则判定该像素为舰船目标像素，置F_a(i,j)＝1。检测矩阵F_a中，R_q所包含的像素值为1的像素，组成潜在的舰船目标区域T_q,q＝1,2,...,Q；

步骤7：由舰船目标的形状参数，剔除检测矩阵F_a中的虚假目标，具体包括下述步骤：

遍历检测矩阵F_a中的潜在的舰船目标T_q，计算其形状参数E_q：

其中C_q为潜在的舰船目标区域T_q的外围周长，即潜在的舰船目标区域T_q的外围轮廓所占的像素数目，S_q为潜在的舰船目标区域T_q的面积，即潜在的舰船目标区域T_q包含的像素数目。由舰船目标分布区间信息，计算阈值：

C_max＝2×(L_max+W_max) (10)

若E_q＞t_e，则判定潜在的舰船目标区域T_q为虚假目标区域，将检测矩阵F_a中属于潜在的舰船目标区域T_q的所有像素点其值置为0；假定剔除虚假目标后，检测矩阵F_a包含Q-r个舰船目标区域T′_q',q'＝1,2,...,Q-r，r为虚假目标的个数；

步骤8：由舰船目标的长宽比，判断并排停泊的舰船目标，具体步骤如下：

遍历检测矩阵F_a中的舰船目标区域T′_q'，计算其长宽比D_q'＝L_q'/W_q'，其中L_q'和W_q'分别为舰船目标区域T′_q'的长与宽，即舰船目标区域T′_q'的长轴与短轴所占的像素数目；由舰船目标分布区间信息，计算阈值：

t_D＝L_min/W_max (11)

若D_q'＜t_D，则判定舰船目标区域T′_q'包括并排停泊的舰船目标，本发明中并排停泊的舰船目标是指两个舰船目标并排停泊在一起；取检测矩阵F_a中包含舰船目标区域T′_q'的最小矩阵作为一个待切分切片；设检测矩阵F_a中共包含U个待切分切片G_u,u＝1,2,...,U，则U为并排停泊的舰船目标个数；

步骤9：对并排停泊的舰船目标，进行有效切分：

本发明中并排停泊的舰船目标是指两个舰船目标并排停泊在一起，具有横向的细小粘连，从而在SAR图像上形成若干个孔洞，寻找这些孔洞的中心作为切分特征点，拟合成平滑曲线，即可切分细小粘连，从而完成目标切分。对每个待切分切片进行下述操作：

9a)设置与切片G_u相同大小的全零矩阵H_u，采用形态学处理得到切片G_u的内部孔洞，将H_u中位于内部孔洞的像素点其值置为1；

9b)根据实际需要设置面积门限t_h，此处设t_h＝50，遍历H_u中所有连通域，若连通域的面积小于t_h，则将H_u中该连通域包含的像素点其值置为0。求取H_u中余下各连通域的中心，作为切分特征点P_u(v),v＝1,2,...,V，V为切片G_u的切分特征点个数；

9c)采用二次样条拟合方法，将各切分特征点P_u(v)拟合成平滑曲线，将曲线向两侧各延展2个像素，作扩大处理，得到切分曲线L_u。将切分曲线L_u所对应的切片G_u中的像素点其值置为0，从而完成有效切分；

9d)将切分后的切片G_u映射到检测矩阵F_a，即将切分后的切片G_u的值赋到检测矩阵F_a中的对应位置。

通过上述步骤，完成了对高分辨SAR图像中港口区域舰船目标的精确检测。

图2至图12为进行仿真实验的结果。

仿真实验条件：

本发明采用如图2所示的港口区域的高分辨SAR图像进行试验，其中图像大小为1765×2600，图像分辨率为0.75m×0.75m，图像中舰船数目为8。本实验在CPU为Intel(R)Core(TM)i7-3770K、主频3.50GHz，内存为16GB的WINDOWS8系统上采用软件MATLAB8.1.0.430(R2013a)进行仿真。

利用本发明方法对图2进行舰船类目标的检测：

将图2输入，得到M×N维图像矩阵I，采用马尔可夫方法进行二值化分割，得到标签图BW₁如图3所示，继续进行形态学处理，可以得到标签图BW如图4所示。可以看出，陆地被保留，海域被分离，具有很好的海域分离效果；

设定舰船目标尺寸的先验知识为：[S₁,S₂]＝[5400,21600]，[L₁,L₂]＝[180,360]，[W₁,W₂]＝[30,60]。结合高分辨SAR图像分辨率，计算在高分辨SAR图像中的舰船目标分布区间信息；

对标签图BW，沿海岸轮廓线进行腐蚀，得到缓冲区域R_G如图5所示，其中两条曲线之间的区域为所设定缓冲区域，结合图2，得到求解矩阵I_a如图6所示，图6中每个像素的灰度值表示求解矩阵I_a中对应元素的值；

在求解矩阵I_a中，利用计算出的舰船目标分布区间信息S_min和S_max，通过最稳定极值区域方法，得到求解矩阵I_a中所有的最稳定极值区域如图7所示，将每个最稳定极值区域作为一个舰船目标ROI，图中用椭圆框标识出；

如图8所示将舰船目标ROI与背景分离，得到港口背景矩阵I_b，由全局CFAR方法检测目标，得到图9和图10中的检测矩阵F_a；

由舰船目标的形状参数，剔除检测矩阵F_a中的虚假目标，并由舰船目标的长宽比，判断并排停泊的舰船目标，依据舰船之间横向的细小粘连所形成的若干孔洞特征，寻找各孔洞的中心作为切分特征点，如图11大的矩形框中所示拟合切分曲线，完成目标切分，从而得到最终检测结果，图11中大的矩形框标识的内容是对小的矩形框中的内容进行放大的结果，小的矩形框中有两只并排停泊的舰船目标；

如图12所示，图中矩形框标识出检测的舰船目标。图12中检测结果的性能指标为：舰船实际数目8个，漏检个数0，正确检测数8个，虚警个数0。从检测结果中可以看出，本发明对高分辨SAR图像港口区域舰船目标能实现精确的检测。

Claims (1)

1.一种基于高分辨SAR图像的港口区域舰船检测方法，SAR是指合成孔径雷达，包括下述步骤：

步骤1：输入港口区域的高分辨SAR图像，得到M×N维图像矩阵I，图像矩阵I的第i行、第j列的像素灰度值为I(i,j)，其中i＝1,2,...,M,j＝1,2,...,N；

其特征在于，还包括下述步骤：

步骤2：对图像矩阵I，采用马尔可夫分割方法及形态学处理，得到陆地区域、海洋区域以及海岸轮廓线，具体步骤如下：

2a)采用马尔可夫方法对输入图像矩阵I进行二值化分割，得到M×N维的二值图像，记为标签图BW₁：其中表示陆地的像素，其像素值为1，记标签值为1；表示海洋的像素，其像素值为0，记标签值为0；

2b)进行形态学处理：首先对标签图BW₁进行闭操作，得到标签图BW₂；然后计算标签图BW₂中所有连通区域的面积A_k,k＝1,2,..,K，K为标签图BW₂中所有连通区域的个数，连通区域是指八连通区域；根据实际情况设定面积阈值A_opt，若A_k＜A_opt，则认为标签图BW₂的第k个连通区域为海洋中的强像素点，将该连通区域内像素的标签值赋为0，得标签图BW₃；将标签图BW₃置反，得标签图BW₄，计算标签图BW₄中所有连通区域的面积B_l,l＝1,2,...,L，L为标签图BW₄中所有连通区域的个数，若则认为第l个连通区域为陆地的弱像素点，将该连通区域内像素的标签值赋为0,得标签图BW₅；将BW₅置反，得标签图BW，其中像素标签值为1的像素形成的区域表示陆地区域R_L，像素标签值为0的像素形成的区域表示海洋区域R_O；

2c)根据得到的海洋区域和陆地区域，利用边界追踪方法得到海岸轮廓线；

步骤3：根据舰船目标尺寸的先验知识和高分辨SAR图像分辨率，计算在高分辨SAR图像中的舰船目标分布区间信息：

已知高分辨SAR图像分辨率ρ_a×ρ_r，ρ_a为方位向分辨率，ρ_r为距离向分辨率；舰船目标尺寸的先验知识包括：舰船目标面积区间[S₁,S₂]、长度区间[L₁,L₂]、宽度区间[W₁,W₂]，计算舰船目标在高分辨SAR图像中的分布区间信息如下：

$S_{\min }=\frac{S_1}{{\mathrm{\ρ}}_a\×{\mathrm{\ρ}}_r},S_{\max }=\frac{S_2}{{\mathrm{\ρ}}_a\×{\mathrm{\ρ}}_r}---\left(1\right)$

$L_{min}=min(\frac{L_1}{{\mathrm{\ρ}}_a},\frac{L_1}{{\mathrm{\ρ}}_r}),L_{max}=max(\frac{L_2}{{\mathrm{\ρ}}_a},\frac{L_2}{{\mathrm{\ρ}}_r})---\left(2\right)$

$W_{\min }=min(\frac{W_1}{{\mathrm{\ρ}}_a},\frac{W_1}{{\mathrm{\ρ}}_r}),W_{max}=max(\frac{W_2}{{\mathrm{\ρ}}_a},\frac{W_2}{{\mathrm{\ρ}}_r})---\left(3\right)$

其中[S_min,S_max]、[L_min,L_max]、[W_min,W_max]分别为高分辨SAR图像中舰船目标的面积分布区间、长度分布区间和宽度分布区间；

步骤4：利用舰船目标的分布区间信息，沿海岸轮廓线向陆地方向设置一定宽度的缓冲区域，得到的求解区域为缓冲区域加上海洋区域，将求解区域对应的高分辨SAR图像信息保存在求解矩阵中，具体步骤如下：

对标签图BW，沿海岸轮廓线进行腐蚀，得标签图BW_s，其中向陆地区域方向腐蚀掉的区域为缓冲区域R_G，缓冲区域R_G的宽度根据实际需要确定，求解区域即为R_O+R_G；设置求解矩阵I_a为M×N维全零矩阵；遍历标签图BW_s的像素点BW_s(i,j)，其中i＝1,2,...,M,j＝1,2,...,N，如果BW_s(i,j)＝0，则置I_a(i,j)＝I(i,j)；

步骤5：基于最稳定极值区域方法，结合舰船目标分布区间信息，在求解矩阵中得到舰船目标ROI，ROI即感兴趣区域，具体步骤如下：

对求解矩阵I_a，通过最稳定极值区域方法，得到求解矩阵I_a中所有的最稳定极值区域，将面积值属于舰船目标面积分布区间[S_min,S_max]的所有最稳定极值区域都作为舰船目标ROI，一个最稳定极值区域对应一个舰船目标ROI，记为R_q,q＝1,2,...,Q，Q为求解矩阵I_a中包含的舰船目标ROI个数；

步骤6：在求解矩阵中将舰船目标ROI与背景分离，采用G₀分布拟合背景杂波分布，由全局CFAR方法计算检测门限，从而得到舰船目标检测矩阵，具体包括下述步骤：

6a)设置背景矩阵I_b＝I_a，将背景矩阵I_b中所有舰船目标ROI包含的像素值置为0，由G₀分布拟合背景杂波分布p_b(x)：

$p_b\left(x\right)=\frac{n^n\·\mathrm{\Γ}(n-\mathrm{\α})\·x^{n-1}}{{\mathrm{\γ}}^{\mathrm{\α}}\·\mathrm{\Γ}(-\mathrm{\α})\·{(\mathrm{\γ}+nx)}^{n-\mathrm{\α}}}---\left(4\right)$

其中：

$n=\frac{2C_1-2C_2}{2C_2-C_1-C_1{C}_2},\mathrm{\α}=\frac{3C_2-4C_1+1}{2C_2-C_1-1},\mathrm{\γ}=-(\mathrm{\α}+1)E\left(I_b\right)---\left(5\right)$

$C_1=\frac{E\left({I_b}^2\right)}{E^2\left(I_b\right)},C_2=\frac{E\left({I_b}^3\right)}{\[E\left(I_b\right)E\left({I_b}^2\right)\]}---\left(6\right)$

根据实际需要设定虚警率P_fa，代入下述检测公式：

$1-P_{fa}={\∫}_0^{t_r}{p}_b\left(x\right)dx---\left(7\right)$

求得恒虚警检测门限t_r；

6b)设置检测矩阵F_a为M×N维全零矩阵，遍历求解矩阵I_a中位于R_q的像素点I_a(i,j)，若I_a(i,j)≥t_r，则判定该像素为舰船目标像素，置F_a(i,j)＝1；检测矩阵F_a中，R_q所包含的像素值为1的像素，组成潜在的舰船目标区域T_q；

步骤7：由舰船目标的形状参数，剔除检测矩阵F_a中的虚假目标，具体包括下述步骤：

遍历检测矩阵F_a中的潜在的舰船目标区域T_q，计算其形状参数E_q：

$E_q=\frac{{C_q}^2}{4\mathrm{\π}\×S_q}---\left(8\right)$

其中C_q为潜在的舰船目标区域T_q的外围周长，即潜在的舰船目标区域T_q的外围轮廓所占的像素数目，S_q为潜在的舰船目标区域T_q的面积，即潜在的舰船目标区域T_q包含的像素数目；由舰船目标分布区间信息，计算阈值：

$t_e=\frac{{C_{\max }}^2}{4\mathrm{\π}\×S_{min}}---\left(9\right)$

C_max＝2×(L_max+W_max) (10)

若E_q＞t_e，则判定潜在的舰船目标区域T_q为虚假目标区域，将检测矩阵F_a中属于潜在的舰船目标区域T_q的所有像素点其值置为0；假定剔除虚假目标后，检测矩阵F_a包含Q-r个舰船目标区域T′_q',q'＝1,2,...,Q-r，r为虚假目标的个数；

步骤8：由舰船目标的长宽比，判断并排停泊的舰船目标，具体步骤如下：

遍历检测矩阵F_a中的舰船目标区域T′_q'，计算其长宽比D_q'＝L_q'/W_q'，其中L_q'和W_q'分别为舰船目标区域T′_q'的长与宽，即舰船目标区域T′_q'的长轴与短轴所占的像素数目；由舰船目标分布区间信息，计算阈值：

t_D＝L_min/W_max (11)

若D_q'＜t_D，则判定舰船目标区域T′_q'包括并排停泊的舰船目标，本发明中并排停泊的舰船目标是指两个舰船目标并排停泊在一起；取检测矩阵F_a中包含舰船目标区域T′_q'的最小矩阵作为一个待切分切片；设检测矩阵F_a中共包含U个待切分切片G_u,u＝1,2,...,U，则U为并排停泊的舰船目标个数；

步骤9：对并排停泊的舰船目标，进行有效切分；

对每个待切分切片进行下述操作：

9a)设置与切片G_u相同大小的全零矩阵H_u，采用形态学处理得到切片G_u的内部孔洞，将H_u中位于内部孔洞的像素点值置为1；

9b)根据实际需要设置面积门限t_h，遍历H_u中所有连通域，若连通域的面积小于t_h，则将H_u中该连通域包含的像素点其值置为0；求取H_u中余下各连通域的中心，作为切分特征点P_u(v),v＝1,2,...,V，V为切片G_u的切分特征点个数；

9c)采用二次样条拟合方法，将各切分特征点P_u(v)拟合成平滑曲线，将曲线向两侧各延展2个像素，作扩大处理，得到切分曲线L_u；将切分曲线L_u所对应的切片G_u中的像素点其值置为0；将切片G_u映射到检测矩阵F_a。